deteksi jerawat pada wajah menggunakan metode viola jones

DETEKSI JE R AW AT PADA W A JA H M ENGGUNAKAN METODE VIO LA JO NES
DETEKSI JERAWAT PADA WAJAH MENGGUNAKAN METODE VIOLA
JONES
H aruno Sajati, Yuliani Indrianingsih, Puspa Ira Dewi C andra W ulan
Program Studi Teknik Informatika
Sekolah Tinggi Teknologi Adisutjipto Yogyakarta
[email protected]
ABSTRA C T
Acne is a skin disease that most often grow in the face and very disruptive to affect the
appearance o f a person's face. Viola Jones is one method to help detect acne so someone get
information about the state o f the face and immediately overcome. Viola Jones Method has three
main processes integral image is used to determine whether there is a feature haar particular in an
image, the method adaboost machine learning is used to select features haar specific that will be
used to adjust the threshold value, and a cascade classifier as the classification o f the final
determining regions the face in the picture. Testing o f 30 samples, the results obtained showed that
the method is less accurate Viola Jones is used as a method o f detection o f acne with results
average 25 % the percentage o f common acne, blackheads 0 % and 45% o f cystic acne. The
number o f samples used to create xml greatly affect the results o f detection.
Keywords : Acne, Viola Jones, Integral Image, Adaboost Machine Learning, Cascade Classifier.
1.
Pendahuluan
Jerawat adalah penyakit kulit kronis akibat abnormalitas produksi sebum pada kelenjar sebasea
yang muncul pada saat kelenjar minyak pada kulit terlalu aktif (Kumar,2008). Jerawat ini
merupakan salah satu penyakit kulit yang ditakuti oleh sebagian besar remaja dan dewasa, Harper
(2007) menambahkan bahwa bahwa jerawat adalah suatu proses kronik kelenjar kelenjar
polisebasea yang ditandai dengan adanya komedo,papul, pustule dan nodul. Walaupun tidak
termasuk penyakit yang serius dan menyebabkan kematian, jerawat jika tidak ditangani dapat
menimbulkan depresi dan krisis kepercayaan diri penderitanya.
Metode Viola Jones relatif mendapatkan hasil yang cepat, akurat dan efesien dalam melakukan
deteksi wajah pada gambar. Metode Viola Jones merupakan algoritma yang paling banyak
digunakan untuk mendeteksi wajah. Metode ini terdiri atas tiga komponen penting yaitu integral
image digunakan untuk menentukan ada tidaknya fitur haar tertentu pada sebuah gambar, metode
adaboost machine learning yang digunakan untuk memilih fitur haar yang spesifik yang akan
digunakan untuk mengatur nilai ambang (threshold), dan cascade classifier sebagai
pengklasifikasian akhir menentukan daerah wajah pada gambar dari metode ini. Berdasarkan latar
belakang tersebut maka judul dari penelitian ini adalah “Deteksi Jerawat pada Wajah Menggunakan
Metode Viola Jones”.
COMPILER
53
H a ru n o S a ja ti, Y u lia n i In d ria n in g s ih , P u s p a Ir a D e w i C a n d ra W u la n
2.
Landasan Teori
2.1 Jeraw at
Jerawat merupakan jenis penyakit kulit yang paling sering tumbuh di wajah dan sangat
mengganggu hingga mempengaruhi kecantikan wajah seseorang. Jenis-jenis jerawat yang ada
di dunia medis sangat banyak yang harus diperhatikan. Kesehatan kulit menjadi hal yang
sangat penting, wajah mulus tanpa jerawat mungkin saja menjadi dambaan sebagian besar
orang. Banyak orang merasa tidak nyaman dan tidak percaya diri ketika harus keluar rumah
dengan kondisi wajah berjerawat.
Jerawat sendiri disebabkan karena pori-pori di kulit yang tersumbat sehingga memicu
tumbuhnya semacam benjolan berwarna merah yang mengandung nanah. Jerawat merupakan
penyakit kulit yang hampir semua orang pernah mengalaminya. Jerawat sendiri timbul karena
perubahan hormon yang dialami penderitanya dan biasanya muncul saat penderitanya sedang
mengalami menstruasi, dalam proses kehamilan, serta mengalami stress yang berlebih.
Banyak yang menyangka bahwa jerawat hanya ada satu jenis, namun ternyata jerawat
memiliki beberapa jenis, diantaranya yaitu :
1.
Jerawat Biasa
Hampir sebagian besar orang pernah menderita jerawat ini. Jerawat ini mudah dikenali
karena bentuknya yang kecil dan berwana putih kemerahan. Jerawat ini timbul dikarenakan
tersumbatnya pori-pori dan terinfeksi bakteri propionibacterium acne. Bakteri tersebut hidup
di daerah diproduksinya asam lemak pada kantung kelenjar yang tersembunyi di bawah
permukaan kulit atau sering juga disebut sebagai kelenjar sebaceous. Yang perlu diwaspadai
dari bakteri ini yaitu karena bisa menimbulkan iritasi pada bagian wajah disekitarnya.
Gambar 1 Jerawat Biasa
2.
Jerawat Batu
Jerawat batu memiliki ukuran yang lebih besar dari pada jerawat biasa. Jerawat batu
berwarna lebih merah dan meradang, jika terus dibiarkan, jerawat batu akan meninggalkan
bekas yang susah dihilangkan. Jerawat batu atau yang sering disebut juga Cystic Acne
disebabkan karena kelenjar minyak yang terlalu banyak dan pertumbuhan sel yang tidak
normal. Jerawat batu tergolong jerawat yang parah.
Gambar 2 Jerawat Batu
54
Volume 5, Nomor 1, Mei 2016
DETEKSI JE R AW AT PADA W A JA H M ENGGUNAKAN METODE VIOLA JO NES
3.
Komedo
Komedo disebabkan oleh sel-sel kulit mati dan sekresi kelenjar minyak yang berlebih.
Komedo terbagi menjadi dua macam yakni komedo tertutup dan komedo terbuka. Komedo
tertutup terlihat seperti tonjolan kecil berwarna putih, sedangkan komedo terbuka terlihat
seperti pori-pori yang membesar dan menghitam.
Gambar 3 Komedo Tertutup
Gambar 4 Komedo Terbuka
2.2 Pendeteksian W ajah
Pendeteksian wajah adalah proses yang mensegmentasi area wajah dengan latar belakang dari
suatu masukan citra. Proses ini bekerja dengan cara memeriksa citra yang dimasukkan, apakah
memiliki citra wajah atau tidak. Jika memiliki, maka akan dilakukan pemisahan dengan cara
memotong citra wajah dari latar belakang citra yang dimasukan. Jika masukan berbentuk video,
proses yang dilakukan adalah proses face tracking. Secara umum, proses face tracking dan proses
pendeteksian wajah mempunyai fungsi yang sama. Perbedaannya terletak pada proses
pendeteksiannya saja, jika pada masukan berbentuk citra, sistem berjalan offline sehingga dapat
menggunakan proses pendeteksian wajah, sedangkan pada masukan video, sistem berjalan secara
online atau real-time yang membutuhkan pendeteksian secara langsung maka proses yang
digunakan adalah proses face tracking. Terdapat banyak metode yang dapat digunakan untuk
melakukan proses pendeteksian wajah ini, salah satunya dengan menggunakan metode Viola-Jones.
Gambar 5 Proses Deteksi Wajah
COMPILER
SS
H a ru n o S a ja ti, Y u lia n i In d ria n in g s ih , P u s p a Ira D e w i C a n d ra W u la n
2.2.1 Metode Viola Jones
Metode Viola-Jones merupakan salah satu metode pendeteksian objek yang cukup
populer, yang dapat memberikan hasil dengan tingkat keakuratan yang cukup tinggi dan
dengan kecepatan yang sangat tinggi. Metode ini diusulkan oleh Paul Viola dan Michael Jones
pada tahun 2001, dengan menggabungkan empat kunci utama untuk mendeteksi suatu objek,
yaitu :
a. Fitur persegi sederhana, disebut fitur Haar.
b. Integral image untuk pendeteksian fitur dengan cepat.
c. Metode AdaBoost machine-learning.
d. Cascade classifier untuk mengkombinasikan banyak fitur.
Fitur yang digunakan dalam metode Viola-Jones adalah fitur Haar yang didasari oleh
Haar wavelets. Haar wavelets adalah satu gelombang panjang berupa gelombang persegi (satu
interval tinggi dan satu interval rendah). Dalam dua dimensi, gelombang persegi ini
digambarkan dengan sepasang persegi yang berdekatan, satu terang dan satu gelap.
Gambar 6 Contoh Fitur Haar
Untuk menentukan ada atau tidaknya ratusan fitur Haar pada suatu citra secara efektif,
metode Viola-Jones menggunakan teknik yang disebut Integral image. Integral image
merupakan teknik yang dapat mempercepat proses pendeteksian suatu objek dengan
menggabungkan unit terkecil dari citra yaitu nilai-nilai piksel menjadi suatu representasi citra
baru, caranya dengan menjumlahkan piksel yang ada di sebelah kiri dan atas titik tersebut.
Berikut rumus menghitung nilai haar suatu gambar.
D = D + A - (B + C ) ...........(2.1)
Dimana, D adalah nilai piksel kanan bawah, A adalah nilai piksel kiri atas, B adalah piksel atas
dari piksel D dan C adalah nilai piksel kiri dari piksel D. Berikut adalah gambaran dari pikselpiksel tersebut:
A
1
C
B
D
a
Gambar 7 Pencarian Nilai Piksel D pada Integral image
56
Volume 5, Nomor 1, Mei 2016
DETEKSI JE R AW AT PADA W A JA H M ENGGUNAKAN METODE VIO LA JO NES
Nilai fitur Haar = | (total piksel hitam) - (total piksel putih) | ...........(2.2)
Total piksel hitam dan total piksel putih didapatkan dari rumus 2.1.
2.2.2 Open Source Computer Vision (OpenCV)
Open Source Computer Vision Library, adalah library open source multiplatform
berlisensi BSD (Berkeley Software Distribution) yang bersifat gratis untuk digunakan baik di
kegiatan akademik maupun komersial. Library ini berfungsi untuk mentransformasikan data
dari citra diam atau kamera video ke salah satu keputusan atau representasi baru. Semua
representasi tersebut dilakukan untuk mencapai beberapa tujuan tertentu.
OpenCV dirilis pada Januari 1999 oleh Visual Interactivity Group di Intel’s
Microprocessor Research Lab. Tujuannya untuk membangun suatu komunitas open source
vision dan menyediakan situs yang mendistribusikan upaya dari komunitas sehingga dapat
dikonsolidasi dan dioptimalkan kinerjanya. Alasan utama penggunaan OpenCV, karena
OpenCV memiliki kustomisasi yang tinggi dan kinerja yang baik pada program berbasis
bahasa java.
3
Perancangan Sistem
3.1 Flowchart Sistem
Gambaran secara keseluruhan Aplikasi ini dapat dilihat pada gambar 3.1 berikut ini.
Gambar BFlowchart Sistem
COMPILER
s7
H a ru n o S a ja ti, Y u lia n i In d ria n in g s ih , P u s p a Ir a D e w i C a n d ra W u la n
S.2 Activity Diagram
3.2.1
Activity Pilih G am bar
Gambar 9 Activity Pilih Gambar
3.2.2 Activity Deteksi Jeraw at
s8
Volume 5, Nomor 1, Mei 2016
DETEKSI JE R AW AT PADA W A JA H M ENGGUNAKAN METODE VIO LA JO NES
3.2.2.2 Use Case Diagram
Gambar Use case diagram aplikasi dapat dilihat pada gambar 3.4.
Gambar 11 Use Case Diagram Aplikasi
3 .3
Class Diagram
Gambar 12 Class Diagram Aplikasi
4
IMPLEMENTASI DAN HASIL
Gambar 13 Hasil Proses Pengambilan Gambar
COMPILER
59
H a ru n o S a ja ti, Y u lia n i In d ria n in g s ih , P u s p a Ir a D e w i C a n d ra W u la n
Proses pengambilan gambar di atas berhasil hal tersebut dikarenakan gambar yang dipilih oleh
pengguna memiliki fitur wajah. Berikut adalah proses pengambilan gambar yang tidak memiliki
fitur wajah.
Gambar 14 Gambar yang dijadikan Target (img_5.bmp).
Gambar 15 Memilih Gambar img_5.bmp
Hasil tersebut dikarenakan fitur wajah tidak sempurna dan dikatakan bukan wajah oleh karena
hal tersebut muncul pemberitahuan berupa “Masukkan Gambar Berupa Wajah”.
Gambar 16 Memilih File biasa.xml
60
Volume 5, Nomor 1, Mei 2016
DETEKSI JE R A W A T PADA W AJA H MENGGUNAKAN METODE VIOLA JONES
Deteksi Jerawat pada Wajah MenggumnKan Metode Viola Jones
■ '
1—
1o k« Got* «
*"• J"—
K M M d
Mm «g»
(J)
HMUUU<<BM<VSGOT*«
i
Gambar 17 Peringatan Masukan Berupa Gambar
Gambar 1B Hasil Deteksi Jerawat Biasa
Berdasarkan hasil deteksi jerawat biasa tersebut dapat diketahui bahwa jumlah jerawat yang
terdeteksi sebanyak 42.
Gambar 19 Hasil Deteksi Komedo
COMPILER
61
H a ru n o S a ja ti, Y u lia n i In d ria n in g s ih , P u s p a Ira D e w i C a n d ra W u la n
Berdasarkan hasil dari gambar di atas komedo tidak dikenali oleh sistem, karena jenis komedo
yang dimiliki gambar tidak terdapat di dalam xml komedo yang sudah dipersiapkan. Komedo
sangat sulit dikenali oleh sistem, selain karena minimnya sampel juga karena ukuran komedo yang
terlalu kecil yang mengakibatkan sulit dalam pendeteksian.
Gambar 21 Hasil Deteksi Jerawat Batu
Berdasarkan hasil deteksi jerawat batu tersebut dapat diketahui bahwa jumlah jerawat yang
terdeteksi sebanyak 12.
4.3 Pembahasan
Pada penelitian ini dilakukan pengujian terhadap 30 gambar wajah, dengan keterangan
gambar sebagai berikut :
1. BI
: Jerawat Biasa
2. KO : Komedo
3. BA : Jerawat Batu
Hasil yang terdeteksi diperoleh rata rata prosentase setiap jenis jerawat sebagai berikut :
1. Jerawat Biasa
: 25 %
2. Jerawat Komedo
:0%
3. Jerawat Batu : 45 %
Dengan melihat hasil prosentase rata rata yang diperoleh, dapat ditarik kesimpulan bahwa
metode Viola Jones kurang akurat digunakan sebagai metode untuk mendeteksi jerawat.
5.
Penutup
5.1 Kesimpulan
Berdasarkan hasil dari implementasi sistem dapat disimpulkan pada penelitian ini adalah
sebagai berikut :
1. Sistem dapat mengenali jerawat baik itu jerawat biasa maupun jerawat batu dengan
prosentase 25% jerawat biasa dan 45% jerawat batu, namun sistem belum mampu
mengenali jerawat komedo dengan hasil prosentase yang didapatkan adalah 0%. Hal
tersebut dikarenakan sampel yang minim untuk dijadikan target dan citra yang dijadikan
sampel untuk target memiliki citra yang rendah.
62
Volume 5, Nomor 1, Mei 2016
DETEKSI JE R AW AT PADA W A JA H M ENGGUNAKAN METODE VIO LA JO NES
2. Metode Viola Jones kurang akurat diterapkan pada pendeteksian jerawat karena ukuran
jerawat hampir sama dengan noise di wajah seperti tahi lalat, flek hitam, bekas jerawat
maupun bekas jahitan.
5.2 Saran
Berdasarkan kesimpulan dari sistem ini, didapatkan beberapa saran untuk pengembangan
selanjutnya, sebagai berikut :
1. Sistem ini juga dapat dikembangkan dengan memperbaiki kualitas citra dengan
memperkecil false alarm yang dapat dihubungkan dengan numStages dan hitRatio.
2. Dapat dilakukan penelitian sistem pakar untuk mengetahui kualitas kesehatan wajah seperti
sehat, kurang sehat, maupun tidak sehat.
D aftar Pustaka
[ 1] Adi Siswando, dkk. 2013. Algoritma C4.5 Berbasis Adaboost untuk Prediksi Penyakit Jantung
Koroner: Fakultas Teknik Komputer Universitas Sains Al-Quran Jawa Tengah Wonosobo.
[2] Daniel Lelis Baggio. 2015. Open CV Computer Vision with Java. Birmingham, Mumbai.
[3] Hadisantoso dan Agus Harjoko. 2013. Haar Cascade Classifier dan Algoritma Adaboost untuk
Deteksi Banyak Wajah Dalam Ruang Kelas. Universitas Gadjah Mada Yogyakarta.
[4] Harper, J.C. (2007). Acne Vulgaris. Birmington : Departement of Dermatology University of
Alabama.
[5] Kumar S., Prasad S., 2011. Real Time Face Recognition Using Adaboost Improved Fast PCA
Algorithm, Department o f Computer Engineering, Ideal Institute o f Technology, Ghaziabad,
INDIA.
[6] Mahdi Rezai, 2013. Creating a Cascade o f Haar-Like Classifiers: Step by Step, Department of
Computer Science, the University of Auckland.
[7] M. Dwisnanto, dkk. 2012. Science, Engineering and Technology : Sistem Deteksi Wajah
dengan Menggunakan Metode Viola Jones, Seminar Nasional. Universitas Gadjah Mada
Yogyakarta.
COMPILER
63
H a ru n o S a ja ti, Y u lia n i In d ria n in g s ih , P u sp a Ira D e w C a n d ra W ulan
64
Volume 5, Nomor 1, Mei 2016